随着人们对机器视觉的研究,该领域已从静态视觉系统发展到主动视觉系统。主动视觉系统模拟人的视觉的主动性,可根据任务要求和已有的处理结果,决定对感兴趣目标注视的部位、距离及角度等,即它是任务驱动的。与静止的摄像机相比,主动视觉系统有高度的灵活性和更大的视野范围,在很多领域有其应用价值,如视频监控、人机交互等。本文以主动视觉系统中的目标检测与跟踪为研究重点,主要做了以下工作:1.在运动目标检测方面,设计并且实现了基于混合高斯模型背景建模的目标检测方法。采用混合高斯模型来建立背景并自适应更新,很好的解决了由环境中光线变化、干扰物体等动态因素引起的背景失效问题,在很大程序上提高了检测的准确性。在差分图像二值化的过程中,使用OSTU算法实现了二值化阈值的自适应选取,能够适应各自光照强度下的运动目标分割;然后采用形态学运算,去除二值图中亮斑的干扰。最后利用目标的几何特征,排除背景较大的干扰物体。实验表明本文方法能在保证较小计算量的前提下有效的分割出完整的运动目标。2.在运动目标跟踪方面,提出一种新的带宽自适应的均值漂移(Mean-Shift)跟踪算法。为了达到主动视觉中实时跟踪的要求,本文采用了Mean-Shift跟踪算法。并且针对Mean-Shift算法不能解决跟踪过程中目标尺寸变化引起的目标定位不准确的问题,将SURF特征点检测与之结合,匹配前两帧图像中的特征点,计算出目标的缩放因子,以此调整当前帧中跟踪算法的核函数的带宽。同时为了增强跟踪的稳定性,根据前两视频帧中目标的位置,使用线性预测估计当前帧中目标的可能位置。实验表明,本算法能实时、稳定地跟踪运动目标,并且较好地适应目了标尺寸的改变。3.最后,在对运动目标检测与跟踪方法分析的基础上,初步实现了基于主动视觉的目标检测与跟踪系统。系统采用组件化、多线程等技术,使得易于对其进行修改和扩展。实验结果,本系统能够实现对场景中运动目标的准确检测,稳定跟踪,并能到达实时应用的要求。